（江苏大唐国际吕四港发电有限责任公司 江苏启东 226246）
摘要：为提升660MW超临界机组负荷调节品质、拓宽负荷调节宽度，设计了多模型协调预测控制策略。首先建立机组的非线性模型，利用Gap Metric理论对其进行非线性分析，指导子模型集的建立。基于Gap Metric理论对子模型间的动态特性差异进行定量表征，并利用“距离”数值信息设计各局部控制器作用的加权规则。该加权规则结构简单，可调参数少。工程应用表明，与DCS中常规的PID控制策略相比，新的控制策略可明显提高机组负荷调节品质，并保证关键运行参数的稳定性。
关键词：协调控制系统；距离度量；预测控制；多模型
1 引言
随着国民经济发展及科学技术进步，高能耗、重污染的落后老小机组处在加速淘汰的过程中，高参数、大容量、环保型的超（超）临界机组已逐渐发展成为火力发电行业主流[1]。目前，我国660MW至1000MW千瓦超（超）临界发电机组总装机容量已超过1亿千瓦，居世界首位。为贯彻落实能源生产和消费革命战略，早在2018年国家多部门联合下发了《清洁能源消纳行动计划（2018-2020年）》[2]，对风电、光伏发电、水电及核电的利用率提出了具体的消纳指标要求。出于大量消纳清洁能源以及缓解电网负荷峰谷差的目的，需要提高660MW及以上容量火电机组的运行灵活性。这要求机组具有更好的负荷调节性能和更广的负荷调节宽度，同时在机组快速响应电网负荷指令及受到各种扰动的过程中，需保证主蒸汽压力、过再热汽温等重要参数波动小、恢复快，以保证机组运行的安全性、经济性及环保性[3]。这给火电机组机炉协调控制提出了更高要求。目前国内外DCS厂家提供的协调系统控制组态方案几乎全部以常规PID为基础[4]，在大范围变工况运行时，协调系统被控对象大滞后、非线性、约束多及耦合强的特性使得常规协调控制系统性能退化，直接导致机组AGC、一次调频等涉网功能不满足电网要求[5]。
在满足660MW火电机组自身运行稳定性的前提下，为进一步提升火电机组负荷调节品质、宽度，需基于更先进的理论方法设计协调控制策略。自20世纪70年代预测控制[6]思想出现以来，预测控制理论主要形成了模型算法控制（MAC）、动态矩阵控制（DMC）和广义预测控制（GPC）等经典基础算法，由于其对大惯性、大滞后、多约束的被控对象具有良好的适应性[7]，受到众多学者研究与关注，并在多行业都得到成功应用。复杂工业过程多具有非线性，简单线性预测控制无法保证全工况控制性能，虽然国内外就非线性预测控制研究形成诸多成果[8-10]，但复杂的非线性建模过程和过重的计算负担限制了其在工业控制中的有效应用。为保证火电机组全工况协调控制性能，将多模型与预测控制技术结合。
多模型方法研究重点在于优选子模型集以及确定控制作用切换/加权规则。若子模型集粗放建立，将无法准确描述机组变化的动态特性，导致控制效果不佳；若子模型集精细建立，无疑会增加计算负担，同时可能导致执行机构频繁动作，不利于机组安全、经济运行。常规协调控制系统的多模型选择方法多基于调度变量的简单线性计算[11]，以等负荷间距建立子模型集最为常见，但调度变量的数字差异并不能准确表征对象在不同的工况点处的动态特性差异。多模型方法中控制作用的整合途径主要有模型加权、模型切换、控制器加权和控制器切换。模型或控制器切换虽易实现，但易导致控制量跳变，不利于系统稳定；而加权方法[12-14]通过加权求和各局部控制作用实现系统变工况运行的过渡平滑，但确定合适的加权规则涉及多参数调整，增加了控制器参数整定难度。
本文首先基于Gap Metric理论，对机组全工况范围内被控对象的非线性进行分析，并直观定量地给出各子模型间的动态特性差异，以此指导子模型集的优选。其次依据子模型间的距离度量值提出一种新的加权策略，以整合各局部模型预测控制器的输出。工程应用表明，与传统PID控制相比，新的控制策略可明显提高机组负荷调节品质和关键运行参数稳定性。
2 对象子模型集建立
2.1 非线性建模
火电机组协调系统具有强非线性，建立能准确描述其运行状况的非线性模型，并对被控对象进行研究和分析，是设计高性能协调控制系统的基础。
参考文献：[15，16]通过机理分析建立了660MW超临界机组干态运行方式下的非线性动态机理模型，其中系统的输入量为总给水流量 ，汽机调门开度 和实际入炉煤量 ，输出量为机组实发功率 ，机侧主汽压力 和分离器出口蒸汽比焓 ，状态变量为分离器出口处蒸汽压力 和分离器出口蒸汽比焓 ，以状态空间的形式表述为：
工况点模型距离度量越小，动态特性越接近，权重 越大，此时该局部控制器输出起的作用也就越大。而 越大，控制器权重对距离度量值的变化更为敏感，此时控制器权重在对应工况点处越大，在远离对应工况点处越小。
4 工程应用及性能分析
目前国内外的DCS，都是通过“搭积木”的方式，将不同功能块组态成完整的控制逻辑，其中的功能块只能实现多点函数、PID、加减乘除等简单功能，无法实现本文提出的新协调控制策略，增设能与原DCS通讯的外挂设备是解决方案之一。
4.1 硬件方案
依托Siemens S7-300平台，采用STL语言编程实现新协调控制策略。外挂的Siemens PLC与DCS按照MODBUS协议传输数据。整个外挂设备需配备双冗余电源模块，分别接保安段电源和UPS电源，为设备中的CPU和通讯模块供电。电源模块的冗余设置是为了保证设备的用电安全，CPU模块能实现新协调控制策略的先进算法，计算相关控制输入指令，通讯模块实现相关参数及新指令的传递。
为增加安全性，新策略的指令应与DCS指令时刻处于互相跟踪的状态，以此保证投入和切除外挂设备时对协调系统没有任何扰动。
4.2 实用效果
投入原协调控制系统时，负荷控制方面：变负荷速率不高，且负荷跟踪性能较差，每月的AGC精度与速率考核量很大；主汽压力控制方面：主汽压力波动明显，小幅变负荷时压力偏差大于0.5MPa，大幅变负荷时压力偏差接近0.8MPa；主汽温度控制方面：控制性能较差，最大动态偏差超20℃，有时需要运行人员解除自动进行人工干预。
图4.2 投用新协调控制策略后高负荷试验控制曲线
图4.1为某660MW机组在采用新协调控制策略后，在低负荷区间段进行的大幅变负荷试验的控制曲线图，实验中机组以13MW/min的速率从460MW下降到360MW，稳定一段时间后从360MW上升到440MW。图4.2为机组在高负荷段进行的大幅变负荷试验的整体性能曲线，实验中机组以13MW/min的速率从500MW上升到590MW，稳定一段时间后又下降到500MW。结合图4.1和图4.2可以看出，机组变负荷速率为13MW/min，明显提升，且实际负荷响应过程平稳、过调量很小，在高变负荷速率的情况下主汽压力的最大动态偏差仅为0.2～0.4MPa，稳态偏差<±0.1MPa，控制性能优良。
5 结论
利用Gap Metric理论对660MW火电机组进行非线性分析发现，机组协调系统被控对象在低负荷区间段非线性度更高，说明单纯以负荷作为系统分区的指标并不合理。由于距离度量能直观、定量地给出各子模型间的动态特性差异，因而更适合指导子模型集的优选。在此基础之上，设计结构简单、可调参数少的加权策略，实现了各局部控制器作用的整合。
实际应用中，新的协调控制策略能明显提升机组负荷调节性能，并将主汽压力最大动态偏差降低到0.2～0.4MPa以内，使得机组能以更快的变负荷速率、更好的负荷调节精度响应电网负荷指令。
参考文献：
[1]蒋德勇.浅谈1000MW超超临界二次再热锅炉技术[J].价值工程，2015，01：69-71.
[2]国家发展改革委，国家能源局．清洁能源消纳行动计划（2018-2020年）.2018.
[3]吴啸.热工过程的子空间建模及预测控制方法研究[D].江苏：东南大学，2014.
[4]周帆.变权值约束预测控制在超临界机组协调控制系统的应用[D].东南大学，2017
[5]Wu X，Shen J，Li Y，et al.Steam power plant configuration，design，and control[J].Wiley Interdisciplinary Reviews：Energy and Environment，2015，4（6）：537-563.
[6]王伟，杨建军.广义预测控制：理论、算法与应用[J].控制理论与应用，1997，06：777-786.
[7]Liu X，Zhang Y，Lee K Y.Robust distributed MPC for load frequency control of uncertain power systems[J].Control Engineering Practice，2016，56：136-147.
[8]王俊龙.基于支持向量机建模的非线性预测控制研究[D].北京交通大学，2014.
[9]王爽心，董旸，刘海瑞.基于T-S模型和小世界优化算法的广义非线性预测控制[J].控制与决策，2011，26（05）：673-678.
[10]Vincent A.Akpan，George D.Hassapis.Nonlinear model identification and adaptive model predictive control using neural networks[J].ISA Transactions，2010，50（2）：.
[11]富月，杜琼.一类工业运行过程多模型自适应控制方法[J].自动化学报，2018，44（7）：1250-1259.
[12]Nandola N N，Bhartiya S.A Multiple model approach for predictive control of control of nonlinear hybrid systems[J].Journal of Process Control，2008，18（2）：131-148.
[13]Foss B A，Johansen T A，Sorensen A V.Nonlinear predictive control using local model[J].Control Engineering Practice，1995，3（6）：389-396
[14]张铁军，吕剑虹，华志刚.机炉协调系统的模糊增益调度预测控制[J].中国电机工程学报，2005（04）：160-167.
[15]崔晓波.超临界机组典型非线性过程的建模与控制研究[D].东南大学，2015.
[16]范赫，张雨飞，苏志刚，等.1000MW直流炉机组非线性动态模型及闭环验证[J].动力工程学报，2017，37（12）：969-976.
[17]Georgiou T T，Smith M C.Optimal robustness in the gap metric[C].IEEE Transactions on Automatic Control，35，1990，35（6）：673-686.
作者简介：
张兵初，（1986-）男，汉族，工程师，现任江苏大唐国际吕四港发电有限责任公司设备部热工技术员，地址：江苏大唐国际吕四港发电有限责任公司设备部热控室；电话：15851386296；邮箱：409599396@qq.com；邮编：226246。